Visualização de Dados

Row

Característica da turma

Turma Estatística

Quantidade de estudantes

20

Média de Idade

Copacabana

5

Ipanema

4

Leblon

6

Lagoa

5

Row

Quantidade de estudantes por bairro

Boxplot Altura x Sexo

Dispersão

Tree map

Data Table

Pivot Table

Dispersao

Joyplot

Corrplot

---
title: "Visualização de dados com R"
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    vertical_layout: fill
    social: [ "twitter", "facebook", "menu"]
    source_code: embed
---

```{r setup, include=FALSE}
library(flexdashboard)
library(knitr)
library(DT)
library(rpivotTable)
library(ggplot2)
library(plotly)
library(dplyr)
library(openintro)
library(highcharter)
library(ggvis)
library(plotly)
library(treemap)
library(ggridges)
library(corrplot)
```


```{r}
data <- read.csv("Turma_estudantes.csv",sep=";",dec=",")
rownames(data) <- data$Aluno
```

```{r}
mycolors <- c("blue", "red", "darkgreen", "darkorange")
```

Visualização de Dados
=====================================

Row 
---------------------------
### Característica da turma 

```{r}
valueBox(paste("Turma Estatística"),
         color = "green")
```

### Quantidade de estudantes

```{r}
valueBox(dim(data)[1])
```

### **Média de Idade**

```{r}
gauge(round(mean(data$Idade),
            digits = 2),
            min = 19,
            max = 35)
```

### Copacabana

```{r}
valueBox(sum(data$Bairro == "Copacabana")
         )
```

### Ipanema

```{r}
valueBox(sum(data$Bairro == "Ipanema"),
         icon = 'fa-tag')
```

### Leblon

```{r}
valueBox(sum(data$Bairro == "Leblon"),
         icon = 'fa-building')
```

### Lagoa

```{r}
valueBox(sum(data$Bairro == "Lagoa"),
         icon = 'fa-building')
```


Row {.tabset .tabset-fade}
-------------------------------
  
### Quantidade de estudantes por bairro
  
```{r}
p1 <- data %>%
  group_by(Bairro) %>%
  summarise(count = n()) %>%
  plot_ly(x = ~Bairro,
          y = ~ count,
          color = "blue",
          type = 'bar') %>%
  layout(xaxis = list(title = "Bairro"),
         yaxis = list(title = 'Frequência Absoluta'))
p1
```

### Boxplot Altura x Sexo

```{r}
p2 <- plot_ly(data, x = ~factor(Sexo), y = ~Altura) %>% 
      add_boxplot()
p2
```


### Dispersão

```{r}
p4 <- plot_ly(data, x=~Altura) %>%
         add_markers(y = ~Peso,
                     text = ~paste("Peso: ", Peso),
                     showlegend = F) %>%
         add_lines(y = ~fitted(loess(Peso ~ Altura)),
                   color = I("#FFC125"),
                   showlegend = T,
                   line = list(width=5)) %>%
         layout(xaxis = list(title = "Peso"),
                yaxis = list(title = "Altura"))
p4

```


### Tree map
```{r}
# treemap
treemap(data,
        index=c("Bairro","Sexo"),
        vSize="Idade",
        type="index"
)
```




Data Table
========================================

```{r}
datatable(data,
          caption = "Turma de estudantes",
          rownames = T,
          filter = "top",
          options = list(pageLength = 10))
```

Pivot Table
=========================================

```{r}
rpivotTable(data,
            rendererName = "Heatmap")
```


Dispersao
=========================================

```{r}

ggplot(data, aes(x=Altura, y=Peso, fill=Idade)) +
  geom_label(label=rownames(data), color="white", size=5)


```


Joyplot
=========================================

```{r}
ggplot(data, aes(x = Idade, y = Bairro, fill = Bairro)) +
  geom_density_ridges() +
  theme_ridges() + 
  theme(legend.position = "none")
```

Corrplot
=========================================
```{r}
M <- cor(data[,c("Altura","Idade","Peso","Irmaos")],method="spearman")
corrplot.mixed(M, upper="ellipse", lower="number")
```